Slide 1

Slide 1 text

エンジニアリングへのAI適用状況について 2023.06.07 JSAI 株式会社電通国際情報サービス X(クロス)イノベーション本部 AIトランスフォーメーションセンター https://isid-ai.jp/ 飯干茂義 [email protected] 横井俊昭 y[email protected] - AI application to engineering chain in manufacturing industry - The challenge of applying AI to manufacturing has been tried for many years. The application of AI to the engineering chain is also underway and it is still far from complete. This paper describes the latest technology and examples of applications of AI to design and development in the manufacturing engineering chain. The activities for deeper and wider application will be presented. The use of data from thermal flow analysis and experimental results to training would be simplified evaluation of new designs, and examples of various applications using AI based ROM (reduced order model), AI surrogate models, and deep learning, as well as applications to vibration of large structures would be presented. Mechanisms for accumulating causal analysis and AI training data and future efforts will also be discussed. AI応用:産業

Slide 2

Slide 2 text

2 発表内容 2 1. エンジニアリングチェーンについて 2. 現状とAI適用課題 3. 手法・手段について 4. 適用事例と結果 5. 評価と結論 6. 今後の展開について

Slide 3

Slide 3 text

3 直近5年売上 1.5倍 会社概要:株式会社 電通国際情報サービス 3 東京都港区、新幹線品川駅 50年(since 1975) AIトランスフォーメーションセンター 人工知能の研究とコンサルティング、製品開発 株式会社 電通国際情報サービス AIトランスフォーメーションセンター https://www.isid.co.jp/ 本社、東京都港区 https://isid-ai.jp/

Slide 4

Slide 4 text

4 エンジニアリングチェーンのフェーズ・役割と課題 企画の確定 デザインレビュー 試作出図と試作 生産試作出図 時のながれ デザイナー シミュレーションエンジニア テストエンジニア 試作エンジニア CADモデラー 開発中のイベント: 開発のフェーズ: 性能予測 金型・治具設計 デザイン シミュレーション テスト 設計上流 設計下流 商品企画 設計開発 評価検証 生産準備 乗用車開発では、 15ユニット、3万部品、EV への移行でさらに負荷大 共通化と流用率に依存 構造、衝突、振動、疲 労、音響、流体、熱、 電磁場、機構など多岐 にわたる評価が必要 Siemens CFD 期間短縮

Slide 5

Slide 5 text

5 エンジニアリングチェーンへのAI適用への期待 企画の確定 デザインレビュー 試作出図と試作 生産試作出図 時のながれ デザイナー シミュレーションエンジニア テストエンジニア 試作エンジニア CADモデラー 性能予測 金型・治具設計 デザイン シミュレーション テスト 設計上流 設計下流 商品企画 設計開発 評価検証 生産準備 開発中のイベント: 開発のフェーズ: 乗用車開発では、 15ユニット、3万部品、EV への移行でさらに負荷大 共通化と流用率に依存 構造、衝突、振動、疲 労、音響、流体、熱、 電磁場、機構など多岐 にわたる評価が必要 AIで実現できるのか? 「開発期間短縮」 • 膨大な人・計算機リソースの低減 • 多品種少量製品評価の省力化 • 属人性の排除 AIで実現できるのか? 「開発期間短縮」 • 膨大な人・計算機リソースの低減 • 多品種少量製品評価の省力化 • 属人性の排除 サロゲートモデリング

Slide 6

Slide 6 text

6 サロゲートモデル ◆ 「CAEサロゲートモデル」 とは・・・ ⚫ 従来のエンジニアリングシミュレーション(以降CAE)評価を代替するAIモデルのこと ✓ メリット  計算時間の短縮  煩雑な手順のツール習熟が不要  作業品質の平準化 ✓ サロゲートモデル実現手段  応答曲面法(HEEDS)  固有直交分解法(ODYSSEE)  ディープラーニング etc … AI化 サロゲートモデル サロゲートモデル(AI) 評価 結果 出力 評価 条件 入力 従来のシミュレーション 評価 結果 出力 評価 条件 入力 数値シミュレーションモデル プリ・ポスト処理 解析計算 応答曲面法、固有直交分解法、ディープラーニングetc… サロゲート≒代理 一般に実験時の代理物質、薬品や燃料の代わりに 水を使うことを意味する シミュレーションでは数値演算の代わりにAIが代 行するという位置づけ

Slide 7

Slide 7 text

7 様々なサロゲートモデルと適用対象(ROM-AI) ODYSSEE (Hexagon) ・機械学習と次数低減モデルの技術を活用し、 CAEや実験データに基づいてAIを構築可能 ・専用GUIを介し、AI構築から予測アニメーション、 感度解析などのポスト処理にも対応 ・既存のCAEや実験データに基づくため、 設計までのフィードバックを迅速かつ効率化 ※ROM(Reduce Order Model、次数低減モデル) RapidMiner (Altair) ・ユーザーが親しみやすいように設計された分析プラットフォーム ・様々なファイル形式に対応(テーブル、ベクトル、画像、NLP等) ・150以上のアルゴリズムを搭載し、Pythonコードの実行も可能 ・作成したモデルのシミュレーション、最適化の実施 ノーコードで構築可能 多彩な分析・アルゴリズム・機能を搭載

Slide 8

Slide 8 text

8 サロゲートモデル(深層学習的手法) ・放熱問題に関するCAEや実験の結果データを 学習させることで、新規設計を簡易評価できる サロゲートモデルAI ・Deep Learningベースで一般的な入力/出力のため 他の分野にも流用しやすいアプローチ方法 サロゲートモデル(AI) 出力 入力 パラメータ (物性値など) 形状 入力 Train! パラメータ& CFD計算結果 形状 Deep Learning 予測条件 予測結果 温度分布 サロゲートモデル(AI) 出力 予測条件 予測結果 入力 ・固有値解析の固有値と振動モードを断面形状と パラメータから予測するサロゲートモデルAI ・固有値は、RSM(応答曲面法)を用い、 振動モードや温度はDeep Learningベースで予測 ・目的に応じサロゲート手法を組み合わせたのが特徴 パラメータ 放熱解析のサロゲートモデル(DNNベース) 振動解析のサロゲートモデル(DNN&RSM) Train!

Slide 9

Slide 9 text

13 物理情報を参照するサロゲートモデル(PINNs) • Physics Informed Neural Networks(PINNs)によるAIモデル構築 ✓ 支配方程式や境界条件を学習 ✓ 柔軟なデータ同化(実測データへの合わせこみ)による高精度なシミュレーションが可能 • NVIDIAのPINNsツールキットModulusの検証をISIDがご支援 ✓ ISIDはModulusに関してNVIDIAからパートナーとして認定 されている NVIDIA Modulus PINNs概要 大量のデータ無しで学習できるサロゲートモデル

Slide 10

Slide 10 text

14 ISIDのGenerative Designは設計案を提案するAI ⚫ 設計仕様の入力で複数 の設計案を創出 ✓対話的な最適化設計 ✓スピーディな設計の評価と探索 ✓解析分野の制約はない Generative Design概要 設計仕 様 仕様 設計案 設計案 設計案 製品仕 様 ◆設計案を提案する「Generative Design」

Slide 11

Slide 11 text

15 ◆ 斬新な形の設計を提案する「形状生成AI」 ⚫ GAN(Generative Adversarial Network)モデル等を用いて画像や3D形状の生成を実現 自動車画像(2D形状)の生成 ・既存の自動車の画像を学習して新規の画像を生成する GAN (Generative Adversarial Network)モデル。 ・車種(セダン、SUV、etc.)を説明する特徴量ベクトルに基づいて 合成画像を制御。 3D形状の生成 ・過去の製品CADデータを学習することで、新たな3D形状データを 生成するGANの3D対応モデルをベースに構築 ・パラメトリックCADモデルを使わず3D形状のバリエーションを作成 AIモデル(例):GAN AI訓練データ 過去設計のCADデータ Train! 出力 3D形状生成AI 様々な3D形状の生成 特徴量ベクトルを用いた画像生成 エンジニアリング業務への生成系AI活用

Slide 12

Slide 12 text

16 エンジニアリングチェーンにおけるAIの活躍領域 企画の確定 デザインレビュー 試作出図と試作 生産試作出図 時のながれ デザイナー シミュレーションエンジニア テストエンジニア 試作エンジニア CADモデラー イベント: フェーズ: 性能予測 設計案生成AI 設計案生成AI 結果評価AI 結果評価AI メッシュ生成AI メッシュ生成AI サロゲートモデル サロゲートモデル 人工知能を扱える技術の活躍領域 最適化AI 最適化AI 金型・治具設計 デザイン シミュレーション テスト 設計上流 設計下流 商品企画 設計開発 評価検証 生産準備

Slide 13

Slide 13 text

17 まとめ、インダストリアルセッション インダストリアルセッション 本日 6/7(水)14:50~15:10 C会場「インダストリアルセッション4」にて 株式会社 電通国際情報サービス 「Engineering AIご紹介-エンジニアに提案し判断を支援するEngineering AIとは」 3D形状生成とエンジニアリングAIのユースケース講演があります。 Y0会場 展示ホールAにお越しください。エンジニアリングAIを展示しています。 まとめ ✅エンジニアリングチェーンとAIへの期待 ✅サロゲートモデリング適用事例 ✅エンジニアリングAI今後の展開

Slide 14

Slide 14 text

ご清聴ありがとうございました